WO2022266802A1 - 利用dna进行数据存储的方法、装置及存储设备 - Google Patents

利用dna进行数据存储的方法、装置及存储设备 Download PDF

Info

Publication number
WO2022266802A1
WO2022266802A1 PCT/CN2021/101247 CN2021101247W WO2022266802A1 WO 2022266802 A1 WO2022266802 A1 WO 2022266802A1 CN 2021101247 W CN2021101247 W CN 2021101247W WO 2022266802 A1 WO2022266802 A1 WO 2022266802A1
Authority
WO
WIPO (PCT)
Prior art keywords
sequence
dna
core
base
preset
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/CN2021/101247
Other languages
English (en)
French (fr)
Inventor
戴俊彪
黄小罗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to PCT/CN2021/101247 priority Critical patent/WO2022266802A1/zh
Publication of WO2022266802A1 publication Critical patent/WO2022266802A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
    • G16B50/30—Data warehousing; Computing architectures

Definitions

  • the application belongs to the field of data storage, and in particular relates to a method, device and storage device for data storage using DNA.
  • DNA when using DNA for data storage, it has the characteristics of high storage density, long storage time and low maintenance cost. Moreover, DNA, as the genetic information material of life, can be inserted into the microbial cells of animals and plants, and through the replication of living organisms, it can be passed down from generation to generation for permanent preservation.
  • the embodiment of the present application provides a method, device and equipment for data storage using DNA to solve the problem of high synthesis cost and unfavorable DNA medium storage technology in the prior art when DNA is used for data storage broadly applicable problem.
  • the first aspect of the embodiments of the present application provides a method of using DNA for data storage, the method comprising:
  • the key information includes more than one core sequence, or the key information includes more than one partial base in the core sequence, and The included position information of the core sequence in the base sequence.
  • the linker sequence includes one or both of the left linker sequence and the right linker sequence, when the linker sequence includes the left linker sequence and the right linker sequence sequence, the left linker sequence is different from the right linker sequence.
  • converting the binary sequence into a base sequence includes:
  • an overlapping region of a preset second length is included between the two associated core sequences, including:
  • An overlapping region of a preset second length is included between two adjacent core sequences
  • an overlapping area of a preset second length is included between adjacent odd-numbered core sequences, and an overlapping area of a preset second length is included between adjacent even-numbered core sequences;
  • an overlapping region of a preset second length is included between the M+i-th core sequence and the M+N+i-th core sequence, where M and N are predetermined integers, and i is an integer variable greater than or equal to 0.
  • the base sequence is divided into a plurality of core sequences with a preset first length, including:
  • the last core sequence is complemented by preset repeated bases.
  • storing the amplified DNA product and corresponding key information includes:
  • the position information in the key information is converted into a base unit, and according to the preset combination mode, the core sequence in the key information and the base
  • the base unit is stored in the form of DNA
  • the core sequence in the key information and the location information of the included core sequence are stored by a computer-readable storage medium;
  • the key information is stored in a mixed form of DNA and a computer-readable storage medium.
  • the key information includes a core sequence at a start position and/or a core sequence at an end position.
  • the key information further includes the index sequence corresponding to the linker sequence and sub-base sequences obtained by splitting the base sequence. one or two.
  • the second aspect of the embodiment of the present application provides a device for data storage using DNA, the device comprising:
  • a binary sequence extraction unit configured to extract a binary sequence corresponding to the data to be stored
  • a first sequence conversion unit configured to convert the binary sequence into a base sequence according to a preset mapping relationship
  • a base segmentation unit configured to divide the base sequence into a plurality of core sequences of a preset first length, and an overlapping region of a preset second length is included between two associated core sequences;
  • a sequence splicing unit configured to splice the core sequence and the linker sequence used to mark the sequence direction to obtain a sequence block
  • the DNA molecule extraction unit is used to search for a DNA sequence matching the sequence block in the pre-synthesized DNA molecule library, and amplify a predetermined number of synthetic DNA molecules corresponding to the extracted DNA sequence to obtain a DNA product;
  • the DNA storage unit is used to store the amplified DNA product and corresponding key information, the key information includes more than one core sequence, or the key information includes more than one of the core sequences part of the bases, and the included position information of the core sequence in the base sequence.
  • the embodiment of the present application provides a method for decoding data stored in a DNA medium, the method comprising:
  • the core sequence included in the DNA sequence is extracted according to the preset linker sequence, including:
  • the orientation of the obtained core sequence is determined.
  • combining the overlapping regions between the core sequences, combining the core sequences to generate a base sequence including:
  • the relative positional relationship between the core sequences is determined according to the overlapping region between the core sequences, and the base sequence is generated based on the core sequences with the determined relative positional relationship.
  • the first possible implementation of the third aspect, or the second possible implementation of the third aspect, in the third possible implementation of the third aspect, according to the preset linker sequence extract the Core sequences included in the DNA sequence, including:
  • the repeated bases included in the end of the core sequence are removed.
  • the fourth aspect of the embodiment of the present application provides a device for decoding DNA media storage data, the device comprising:
  • a DNA sequence obtaining unit configured to obtain the DNA sequence to be decoded and its key information
  • a core sequence extraction unit configured to extract the core sequence included in the DNA sequence according to a preset linker sequence
  • a sequence combination unit configured to combine the core sequences to generate a base sequence according to the key information and in combination with overlapping regions between the core sequences
  • a second sequence conversion unit configured to convert the base sequence into a binary sequence according to a preset mapping relationship
  • the data file generating unit is used for generating a data file according to the converted binary data.
  • the fifth aspect of the embodiments of the present application provides a method for generating a DNA molecular library, the method comprising:
  • the core sequence including base fragments for storing data
  • the corresponding DNA molecule is synthesized according to the DNA sequence, and a DNA molecule library is obtained according to the synthesized DNA molecule.
  • a sixth aspect of the embodiments of the present application provides a storage device, including a memory, a processor, and a computer program stored in the memory and operable on the processor, when the processor executes the computer program Realize the steps of the method of using DNA for data storage as described in any one of the first aspects, or implement the method of decoding DNA media storage data as described in any one of the second aspect when executing the computer program, or execute the described
  • the computer program realizes the method for generating a DNA molecular library as described in any one of the fifth aspect.
  • the beneficial effect of the embodiment of the present application is that the present application converts the binary sequence corresponding to the data to be stored into a base sequence, and divides the base sequence according to the preset first length, and obtains An overlapping area of the second length is included between the adjacent core sequences of the key information, combined with the position information of the core sequence included in the key information in the base sequence, so as to facilitate the combination of the core sequences according to the overlapping area during decoding; the core Sequences and linker sequences are spliced to obtain sequence blocks, which facilitates the determination of the direction of the core sequence during decoding; during a single data storage, a predetermined number of a small amount of synthetic DNA molecules can be obtained from the DNA molecule library, greatly reducing one data storage The number of synthetic DNA molecules used can ensure multiple calls of DNA molecules synthesized in vitro at one time, effectively reducing the cost of DNA synthesis for data storage; at the same time, since the pre-synthesized DNA molecule library can be called repeatedly, avoiding
  • Fig. 1 is a schematic flow diagram of the realization of the data storage method using DNA provided by the embodiment of the present application;
  • Fig. 2 is a schematic diagram of generating a core sequence through a base sequence provided by an embodiment of the present application
  • Fig. 3 is a schematic diagram of another base sequence generation core sequence provided by the embodiment of the present application.
  • Fig. 4 is a schematic diagram of a core sequence obtained by segmentation provided by the embodiment of the present application.
  • Fig. 5 is a schematic diagram of a spliced sequence block provided by an embodiment of the present application.
  • Fig. 6 is a schematic diagram of a combination rule provided by the embodiment of the present application.
  • FIG. 7 is a schematic flow diagram of a method for decoding data stored in a DNA medium provided in an embodiment of the present application.
  • Fig. 8 is a schematic diagram of a device using DNA for data storage provided by an embodiment of the present application.
  • FIG. 9 is a schematic diagram of a device for decoding data stored in a DNA medium provided in an embodiment of the present application.
  • FIG. 10 is a schematic diagram of a storage device provided by an embodiment of the present application.
  • the in vitro synthesis technology of DNA is usually based on the sequence set arbitrarily, without relying on the template, based on the raw material of the modified A/T/C/G base chemical molecule monomer, in vitro according to chemical synthesis or enzyme Synthetic method, in the way of adding one by one or several bases to the previous one/several bases in each round of chemical or enzymatic reactions, through multiple rounds of chemical or enzymatic reactions, synthesize A/T/ A macromolecular DNA polymer composed of C/G.
  • the number of bases in the DNA sequence to be synthesized determines the synthesis of most macromolecular DNA polymers cost.
  • Commercially available conventional DNA synthesis services are usually quoted to customers by multiplying the unit price of a base by the number of bases. For example, for conventional single-stranded DNA synthesis of 50 bases, commodity companies can quote 0.3-0.6 yuan per base, so that the price of 50 bases is between 15 yuan and 30 yuan.
  • DNA data storage applications it is understood that only a very small fraction of a predetermined number of DNA molecules (eg, 1 molecule, 10 2 molecules, 10 3 molecules, 10 5 molecules, etc.) Represents the data information to be stored, so that the way of directly storing data information with one-time synthesized DNA will cause a great waste of raw materials for synthesizing DNA molecules.
  • a predetermined number of DNA molecules eg, 1 molecule, 10 2 molecules, 10 3 molecules, 10 5 molecules, etc.
  • This application proposes a method for data storage through pre-synthesized DNA sequences.
  • the data is stored using a pre-synthesized general-purpose DNA molecular library that can be retrieved multiple times, which has good versatility and can be pre-synthesized as needed
  • the DNA sequence corresponding to the data to be stored is extracted from the DNA molecular library, which greatly reduces the total number of bases that need to be synthesized for the DNA products used to store different data information and the number of DNA molecules synthesized at one time, reducing the cost of data storage, thus It is conducive to the wide application of DNA data storage. It will be described in detail below in conjunction with the accompanying drawings.
  • FIG. 1 is a schematic diagram of the implementation process of using DNA for data storage provided by the embodiment of the present application, which is described in detail as follows:
  • the data to be stored may include one or more items of data information such as pictures, texts, programs, audio, and videos that may exist in a computer.
  • the coding information corresponding to the data to be stored may be obtained, and the corresponding coding information is converted into binary coding information, thereby obtaining the corresponding binary sequence.
  • the text in the text information can be converted into the corresponding ASCII (English full name is American Standard Code for Information Interchange, the Chinese full name is American Standard Information Interchange Code) encoding, UNICODE (English full name is Universal Character Set, Chinese full name is Universal Character Set) encoding, and then the encoded information is converted into a binary sequence.
  • the binary sequence is converted into a base sequence according to a preset mapping relationship.
  • the preset mapping relationship may be a binary-quaternary mapping relationship.
  • the mapping relationship may be as shown in Table 1:
  • mapping relationship in the above table is arbitrarily defined, and the mapping relationship between binary values and bases can be defined according to actual usage habits or requirements.
  • the binary sequence in S101 can be converted into a base sequence: "CGTTGCAAGATGCGTCGCCGGACGCGTAGCGAGCCTCGTCGTGGGATACGTTGATGGGCACGTTGGCTGGACCGGTGTGCGTTTCGTTGGATGTATCGTGGAGAGTAACGTAGCGAGAAACGTAGCGCGCTGCGGAGAGTGCGGCGTGGTCAGGAGCCCT".
  • the file of the data to be stored can be split into multiple sub-files, and the order of the sub-base sequences corresponding to each sub-file can be recorded through the index sequence.
  • the split sub-files can be recorded through an index sequence.
  • the index sequence can also be added to the primer corresponding to the left joint or the right joint of the core sequence block described in this method, and further added to each subfile stored by this method through PCR and other polymerase amplification methods.
  • a core sequence is amplified on a DNA molecule.
  • the index sequence refers to a sequence composed of bases, and the index sequence can be used to represent the position information of the sub-file.
  • the base sequence is divided into a plurality of core sequences of a preset first length, and an overlapping region of a preset second length is included between two associated core sequences.
  • the first length may be 4 bases in length, 5 bases in length, 6 bases in length, 7 bases in length or 8 bases in length, etc.
  • bases in an overlapping region of a second preset length are included. That is, the two core sequences have the same bases in the overlapping region. Based on the bases in this overlapping region, two core sequences that are associated can be found when combined.
  • the two related core sequences determined by the preset association relationship can be two core sequences directly adjacent to the core sequence in the base sequence, or core sequences adjacent to an odd number of positions, or an even number of core sequences. bit-adjacent core sequences.
  • the overlapping regions include 3 bases staggered and overlapped (a ), 4-base staggered overlap (b), 5-base staggered overlap (c), 6-base staggered overlap (d) and 7-base staggered overlap (e).
  • the second length of the overlapping region is half of the first length of the core sequence. Not limited thereto, the first length and the second length may also be in other proportional relationships.
  • the number of bases in the overlapping region is not limited to that shown in FIG. 2 , and may also include the number of bases in other overlapping regions.
  • the length of the core sequence at the end obtained by base sequence segmentation is less than the preset first length, it can be completed by using a preset base type or a preset repeated base.
  • a preset base type or a preset repeated base For example, during the segmentation process of the 5-base staggered overlap (c) in Figure 2, the core sequence at the end is filled with base A.
  • the core sequence at the end is supplemented with bases AAAA, so that the completed core sequence has the same length as other core sequences, which is convenient for splicing and storage operations on the core sequence .
  • the associated core sequences may be core sequences with adjacent odd-numbered bits or adjacent even-numbered bits.
  • the schematic diagram of generating a core sequence from another base sequence shows 3 base parity overlaps (f), 4 base parity overlaps (g) and 3 consecutive 4 bases Schematic illustration of the staggered basis unit overlap (h).
  • the overlapping region is 8 consecutive bases in two adjacent core sequences, and the length of the core sequence is 12 bases.
  • the M+i-th and M+N+i-th core sequences can also be set to include an overlapping region of a preset second length, where M and N are predetermined integers, and i is greater than or An integer variable equal to 0.
  • M and N are predetermined integers
  • i is greater than or An integer variable equal to 0.
  • any two adjacent core sequences include 4 bases in overlapping regions.
  • the core sequence can be spliced in pairs according to the bases in the overlapping region of the core sequence in the DNA sequence.
  • the core sequence and the linker sequence used to mark the sequence direction are spliced to obtain a sequence block.
  • the linker sequence in the embodiments of the present application may include a front linker sequence and a back linker sequence, and may also be any one of the front linker sequence or the back linker sequence.
  • the sequence blocks obtained by splicing adapter sequences can be used to mark the front-back direction of the core sequence. For example, the front or left direction of the core sequence is indicated by the front adapter sequence, and the rear or right direction of the core sequence is indicated by the rear adapter sequence. Therefore, when the DNA sequence is decoded, the direction of the core sequence can be determined according to the linker sequence, which facilitates the correct combination of the core sequence.
  • Figure 4 is a schematic diagram of the core sequence obtained by segmentation.
  • the 26 core sequences can be spliced according to the preset front linker sequence "CGCCAGGGTTTTTCCCAGTCACGAC” and the preset back linker sequence "TCCTGTGTGAAATTGTTATCCGCT”, respectively, as shown in Figure 5 Schematic representation of the assembled sequence blocks.
  • the DNA sequence matching the sequence block is searched in the pre-synthesized DNA molecule library, and a predetermined number of synthesized DNA molecules corresponding to the extracted DNA sequences are taken and amplified to obtain a DNA product.
  • a synthetic DNA molecule library is preset, and the corresponding relationship between the synthetic DNA molecule and the DNA sequence is stored in the DNA molecule library.
  • the DNA sequence corresponding to the sequence block can be searched in the preset DNA molecular library, and a small amount of molecules in the synthesized DNA molecules found in the DNA molecular library can be retrieved (eg, 1 molecule, 10 2 molecules, 10 3 molecules, 10 5 molecules, etc.)
  • the number of DNA molecules used for data storage is greatly reduced, thereby effectively reducing the cost of DNA synthesis for data storage.
  • the pre-synthesized DNA molecular library may include a DNA molecular library composed of core sequences of different base lengths.
  • the length of the core sequence can include any sequence composed of 2 bases in length, any sequence composed of 3 bases in length, any sequence composed of 4 bases in length, and any sequence composed of 5 bases in length. sequence, an arbitrary sequence consisting of 6 bases in length, an arbitrary sequence consisting of 7 bases in length, an arbitrary sequence consisting of 8 bases in length, etc.
  • other calculations are calculated by analogy.
  • the set core sequence is spliced with the linker sequence.
  • the left linker sequence and the right linker sequence are respectively spliced on the left and right sides of the core sequence.
  • a library of DNA molecules is obtained by synthesizing a large number of DNA molecules with linker sequences.
  • the remaining DNA molecules in the DNA molecule library can continue to be used, which is conducive to further reducing the data storage cost of the DNA medium.
  • the primer amplification method adopted may include isothermal amplification, PCR (full name in Chinese is called polymerase chain reaction) amplification and other amplification methods.
  • the amplified DNA product sequence and corresponding key information are stored, the key information includes more than one core sequence, or the key information includes more than one of the core sequences Part of the bases, and the included position information of the core sequence in the base sequence.
  • the key information includes more than one core sequence, or more than one part of bases in the core sequence, and the corresponding position information of the core sequence in the base sequence, so that the core sequence can be quickly determined exact location.
  • the key information includes a core sequence at a start position and a core sequence at an end position. Therefore, the core sequence at the middle position can be spliced according to the core sequence at the starting position and the core sequence at the end position, and the bases in the overlapping region. In a possible implementation manner, several core sequences at intermediate positions may also be included. When the number of bases in the overlapping region is smaller, the amount of position information of the core sequence can be increased.
  • the sequence number of the position information in the base sequence can be converted into a base unit, and the base unit converted from the position information and the core sequence can be stored in the form of DNA according to a predetermined combination method .
  • the combination can be performed according to the combination rule shown in FIG. 6 , where the position number 1 corresponds to the base unit AAAA, the position number 18 corresponds to the base unit ACAA, and the position sequence 100 corresponds to the base unit CTGA.
  • the corresponding relationship between the position number and the base unit can be determined according to a preset mapping relationship.
  • the position information and base unit sequence in the key information can also be stored by a computer-readable storage medium.
  • the key information is stored in a mixed form of DNA and a computer-readable storage medium.
  • the amplified DNA product When storing the amplified DNA product, it can be stored by freeze-drying, or it can also be stored in the form of liquid.
  • the storage temperature can be -20 degrees or -80 degrees, etc.
  • the amplified DNA product can be stored in a centrifuge tube, a cryopreservation tube, or the amplified DNA product can also be preserved in the form of wax drops.
  • the key information can be determined through calculation and simulation.
  • the position information of the core sequence recorded in the key information includes the core sequence at the start position, the core sequence at the end position, and the core sequence at the center position.
  • the base sequence determined by S102 is:
  • the key information may also include one or both of the linker sequence and/or the index sequence corresponding to the sub-base sequences obtained by splitting the base sequence.
  • Fig. 7 is a schematic diagram of the implementation flow of a method for decoding DNA media storage data provided in the embodiment of the present application, the method comprising:
  • the method of sequencing reading includes any method that can read DNA products, such as second-generation sequencing, third-generation sequencing, etc., to obtain the DNA sequence to be decoded corresponding to the DNA product.
  • the DNA sequence and its key information to be decoded are the amplified DNA sequence and key information obtained by the data storage method shown in FIG. 1 .
  • the key information may include a core sequence at the start position and/or a core sequence at the end position.
  • the key information may also include one or both of an adapter sequence and an index sequence corresponding to sub-base sequences obtained by splitting the base sequence.
  • the linker information in the DNA sequence can be segmented through the linker sequence to obtain the core sequence included in the DNA sequence, and the direction of the core sequence can be distinguished through the linker information, which facilitates the accurate combination of the core sequence.
  • the order of the combined multiple base subsequences can be easily determined through the index sequence, so that an accurate base sequence can be obtained according to the determined order.
  • the core sequence included in the DNA sequence is extracted according to the preset linker sequence.
  • the preset joint sequence can be preset and can be directly called and used during decoding.
  • different linker sequences can be selected and stored in the key information by means of DNA.
  • the set joint information can be extracted by analyzing the key information, thereby improving the security of DNA data storage.
  • the linker sequence may include a left linker sequence and/or a right linker sequence, and one or two linker sequences may be used to mark the direction of the core sequence, so as to facilitate decoding to obtain the core sequence in the correct direction.
  • the 26 sequence blocks can be cut according to the preset front linker sequence "CGCCAGGGTTTTCCCAGTCACGAC” and the preset back linker sequence "TCCTGTGTGAAATTGTTATCCGCT” to obtain the 4 shows the core sequence.
  • the decryption process using the key information in the embodiment of the present application corresponds to the encoding and storage process using the key information.
  • the initial position of the core sequence to be combined is accurately determined, and other core sequences are processed according to the initial position. combination to determine the position of other core sequences in the base sequence.
  • the core sequence is combined to obtain the spliced base sequence .
  • the base sequence corresponding to the DNA sequence to be decrypted can be obtained by combining the overlapping region between the core sequences and the preset key information as "CGTTGCAAGATGCGTCGCCGGACGCGTAGCGAGCCTCGTCGTGGGATACGTTGATGGGCACGTTGGCTGGACCGGTGTGCGTTTCGTTGGATGTATCGTGGAGAGTAACGTAGCGAGTAACGTAGCGCGCTGCGTTGAGT".
  • the core sequence in the key information and the included core sequence position information may include the core sequence at the first position and the core sequence at the end position.
  • the base sequence can be obtained by splicing the DNA sequence directly according to the overlapping region.
  • the base sequence is converted into a binary sequence according to a preset mapping relationship.
  • the binary data files can be converted into corresponding data files, including files such as pictures, text, programs, audio, and video.
  • a predetermined amount of a small amount of synthetic DNA molecules can be obtained from a pre-synthesized DNA molecule library in vitro, which can greatly reduce the number of synthetic DNA molecules used for a data storage, and can ensure an in vitro Multiple calls of synthesized DNA molecules effectively reduce the cost of DNA synthesis for data storage.
  • the pre-synthesized DNA molecular library can be called repeatedly, avoiding the need to synthesize at least one-half of the corresponding data for different binary data, saving the overall number of base synthesis, and further reducing the storage data. synthetic cost.
  • Figure 8 is a device for data storage using DNA provided by the embodiment of the present application, the device includes:
  • a binary sequence extraction unit 801 configured to extract a binary sequence corresponding to the data to be stored
  • the first sequence conversion unit 802 is configured to convert the binary sequence into a base sequence according to a preset mapping relationship
  • a base segmentation unit 803 configured to segment the base sequence into a plurality of core sequences of a preset first length, and include an overlapping region of a preset second length between two associated core sequences;
  • a sequence splicing unit 804 configured to splice the core sequence and the linker sequence used to mark the sequence direction to obtain a sequence block;
  • the DNA molecule extraction unit 805 is used to search for a DNA sequence matching the sequence block in the pre-synthesized DNA molecule library, and amplify a predetermined number of synthetic DNA molecules corresponding to the extracted DNA sequence to obtain a DNA product ;
  • the DNA storage unit 806 is used to store the amplified DNA product sequence and corresponding key information, the key information includes more than one core sequence, or the key information includes more than one core sequence Part of the bases in the sequence, and the included position information of the core sequence in the base sequence.
  • the device for storing data using DNA corresponds to the method for storing data using DNA shown in FIG. 1 .
  • Fig. 9 is a schematic diagram of a device for decoding DNA media storage data provided in an embodiment of the present application, the device comprising:
  • DNA sequence acquisition unit 901 configured to acquire the DNA sequence to be decoded and its key information
  • a core sequence extraction unit 902 configured to extract the core sequence included in the DNA sequence according to the preset linker sequence
  • a sequence combination unit 903 configured to combine the core sequences to generate a base sequence according to the key information and in combination with overlapping regions between the core sequences;
  • the second sequence conversion unit 904 is configured to convert the base sequence into a binary sequence according to a preset mapping relationship
  • a data file generating unit 905, configured to generate a data file according to the converted binary data.
  • the device for decoding data stored in a DNA medium shown in FIG. 9 corresponds to the method for decoding data stored in a DNA medium shown in FIG. 7 .
  • Fig. 10 is a schematic diagram of a storage device provided by an embodiment of the present application.
  • the storage device 10 of this embodiment includes: a processor 100, a memory 101, and a computer program 102 stored in the memory 101 and operable on the processor 100, for example, using DNA for data storage or decoding programs.
  • the processor 100 executes the computer program 102, the steps in the above embodiments of the method for storing or decoding data using DNA are realized.
  • the processor 100 executes the computer program 102, the functions of the modules/units in the foregoing device embodiments are implemented.
  • the computer program 102 may be divided into one or more modules/units, and the one or more modules/units are stored in the memory 101 and executed by the processor 100 to complete this application.
  • the one or more modules/units may be a series of computer program instruction segments capable of accomplishing specific functions, and the instruction segments are used to describe the execution process of the computer program 102 in the storage device 10 .
  • the storage device may include, but not limited to, a processor 100 and a memory 101 .
  • FIG. 10 is only an example of the storage device 10, and does not constitute a limitation to the storage device 10. It may include more or less components than those shown in the illustration, or combine some components, or different components. , for example, the storage device may also include an input and output device, a network access device, a bus, and the like.
  • the so-called processor 100 may be a central processing unit (Central Processing Unit, CPU), and may also be other general-purpose processors, a digital signal processor (Digital Signal Processor, DSP), an application specific integrated circuit (Application Specific Integrated Circuit, ASIC), Off-the-shelf programmable gate array (Field-Programmable Gate Array, FPGA) or other programmable logic devices, discrete gate or transistor logic devices, discrete hardware components, etc.
  • a general-purpose processor may be a microprocessor, or the processor may be any conventional processor, or the like.
  • the storage 101 may be an internal storage unit of the storage device 10 , such as a hard disk or a memory of the storage device 10 .
  • the memory 101 can also be an external storage device of the storage device 10, such as a plug-in hard disk equipped on the storage device 10, a smart memory card (Smart Media Card, SMC), a secure digital (Secure Digital, SD) card, flash memory card (Flash Card), etc.
  • the storage 101 may also include both an internal storage unit of the storage device 10 and an external storage device.
  • the memory 101 is used to store the computer program and other programs and data required by the storage device.
  • the memory 101 can also be used to temporarily store data that has been output or will be output.
  • the disclosed apparatus/terminal device and method may be implemented in other ways.
  • the device/terminal device embodiments described above are only illustrative.
  • the division of the modules or units is only a logical function division.
  • the mutual coupling or direct coupling or communication connection shown or discussed may be through some interfaces, and the indirect coupling or communication connection of devices or units may be in electrical, mechanical or other forms.
  • the units described as separate components may or may not be physically separated, and the components displayed as units may or may not be physical units, that is, they may be located in one place, or may be distributed to multiple network units. Part or all of the units can be selected according to actual needs to achieve the purpose of the solution of this embodiment.
  • each functional unit in each embodiment of the present application may be integrated into one processing unit, each unit may exist separately physically, or two or more units may be integrated into one unit.
  • the above-mentioned integrated units can be implemented in the form of hardware or in the form of software functional units.
  • the integrated module/unit is realized in the form of a software function unit and sold or used as an independent product, it can be stored in a computer-readable storage medium. Based on this understanding, all or part of the processes in the methods of the above embodiments in the present application can also be completed by instructing related hardware through computer programs.
  • the computer programs can be stored in a computer-readable storage medium, and the computer When the program is executed by the processor, the steps in the above-mentioned various method embodiments can be realized.
  • the computer program includes computer program code, and the computer program code may be in the form of source code, object code, executable file or some intermediate form.
  • the computer readable medium may include: any entity or device capable of carrying the computer program code, recording medium, U disk, removable hard disk, magnetic disk, optical disk, computer memory, read-only memory (ROM, Read-Only Memory) , Random Access Memory (RAM, Random Access Memory), electrical carrier signal, telecommunication signal and software distribution medium, etc. It should be noted that the content contained in the computer-readable medium may be appropriately increased or decreased according to the requirements of legislation and patent practice in the jurisdiction. For example, in some jurisdictions, computer-readable media Excluding electrical carrier signals and telecommunication signals.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Medical Informatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biotechnology (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • Databases & Information Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本申请属于数据存储领域，提供了一种利用DNA进行数据存储的方法，包括：提取待存储数据对应的二进制序列；根据预设的映射关系，将所述二进制序列转换为碱基序列；将所述碱基序列分割为多个预设第一长度的核心序列；将所述核心序列与用于标示序列方向的接头序列进行拼接得到序列块；在预先合成的DNA分子库中查找与所述序列块匹配的DNA序列，取预定数量的所提提取的DNA序列对应的、合成的DNA分子进行扩增得到DNA产物；存储所扩增获得的DNA产物及对应的密钥信息。本申请所述的方法能够降低利用DNA进行数据存储的成本，有利于提升基于DNA介质的存储设备的广泛应用。

Description

利用DNA进行数据存储的方法、装置及存储设备 技术领域
本申请属于数据存储领域，尤其涉及利用DNA进行数据存储的方法、装置及存储设备。
 背景技术
随着互联网技术、大数据技术以及人工智能技术等科学技术的发展，全球数据呈现指数级增长。传统的硬盘、磁带或光盘等存储设备，由于维护成本高、空间占用大以及存储寿命短等原因，无法满足不断增长的海量数据存储的需求。
使用DNA进行数据存储时，具有存储密度高、存储时间长及维护成本低的特点。并且，DNA作为生命遗传信息物质，可以插入到动植物微生物细胞中，通过生命体的复制，实现代代相传的永久保存。
目前的基于DNA进行数据存储的方法中，通常需要根据不同的存储数据合成对应的不同的DNA碱基序列。存储的计算机比特位数和合成碱基的对应形式中，通常是1个碱基对应1到2位数据位。即存储的计算机二进制数据量，至少需要二进制数据量的二分之一的合成碱基量进行存储，并且一次体外合成的DNA分子只能用于一次特定数据的存储，合成成本较高，不利于DNA介质的存储技术的广泛应用。
 技术问题
有鉴于此，本申请实施例提供了一种利用DNA进行数据存储的方法、装置及设备，以解决现有技术中利用DNA进行数据存储时，合成成本较高，不利于DNA介质的存储技术的广泛应用的问题。
 技术解决方案
本申请实施例的第一方面提供了一种利用DNA进行数据存储的方法，所述方法包括：
提取待存储数据对应的二进制序列；
根据预设的映射关系，将所述二进制序列转换为碱基序列；
将所述碱基序列分割为多个预设第一长度的核心序列，且两个关联的核心序列之间包括预设第二长度的重叠区域；
将所述核心序列与用于标示序列方向的接头序列进行拼接得到序列块；
在预先合成的DNA分子库中查找与所述序列块匹配的DNA序列，取预定数量的所提提取的DNA序列对应的、合成的DNA分子进行扩增得到DNA产物；
存储所扩增获得的DNA产物及对应的密钥信息，所述密钥信息包括一个以上所述核心序列，或者，所述密钥信息包括一个以上的所述核心序列中的部分碱基，以及所包括的所述核心序列在所述碱基序列中的位置信息。
结合第一方面，在第一方面的第一种可能实现方式中，所述接头序列包括左接头序列和右接头序列中的一项或者两项，当所述接头序列包括左接头序列和右接头序列时，所述左接头序列与所述右接头序列不同。
结合第一方面，在第一方面的第二种可能实现方式中，将所述二进制序列转换为碱基序列，包括：
对所述待存储数据对应的文件进行拆分，根据文件拆分的结果对所述碱基序列进行拆分，并为拆分的碱基序列分配对应的索引序列。
结合第一方面，在第一方面的第三种可能实现方式中，两个关联的核心序列之间包括预设第二长度的重叠区域，包括：
相邻两个核心序列之间包括预设第二长度的重叠区域；
或者，相邻的奇数位的核心序列之间包括预设第二长度的重叠区域，以及相邻的偶数位的核心序列之间包括预设第二长度的重叠区域；
或者，第M+i位和第M+N+i位的核心序列之间包括预设第二长度的重叠区域，其中，M和N为预定的整数，i为大于或等于0的整数变量。
结合第一方面，在第一方面的第四种可能实现方式中，将所述碱基序列分割为多个预设第一长度的核心序列，包括：
当划分得到的最后一个核心序列的长度小于第一长度时，通过预设的重复碱基补齐所述最后一个核心序列。
结合第一方面，在第一方面的第五种可能实现方式中，存储所扩增获得的DNA产物及对应的密钥信息，包括：
根据预设的碱基单元与位置信息的映射关系，将所述密钥信息中的位置信息转换为碱基单元，根据预设的组合方式，将密钥信息中的核心序列，以及所述碱基单元，以DNA形式进行存储；
或者，所述密钥信息中的核心序列，以及所包括的核心序列的位置信息通过计算机可读存储介质存储；
或者，所述的密钥信息通过DNA形式和计算机可读存储介质形式进行混合存储。　
结合第一方面、第一方面的第一种可能实现方式、第一方面的第二种可能实现方式、第一方面的第三种可能实现方式、第一方面的第四种可能实现方式或第一方面的第五种可能实现方式，在第一方面的第六种可能实现方式中，所述密钥信息包括起始位置的核心序列和/或末尾位置的核心序列。
结合第一方面，在第一方面的第七种可能实现方式中，所述密钥信息还包括所述接头序列、拆分所述碱基序列得到的子碱基序列所对应的索引序列中的一项或者两项。
本申请实施例的第二方面提供了一种利用DNA进行数据存储的装置，所述装置包括：
二进制序列提取单元，用于提取待存储数据对应的二进制序列；
第一序列转换单元，用于根据预设的映射关系，将所述二进制序列转换为碱基序列；
碱基分割单元，用于将所述碱基序列分割为多个预设第一长度的核心序列，且两个关联的核心序列之间包括预设第二长度的重叠区域；
序列拼接单元，用于将所述核心序列与用于标示序列方向的接头序列进行拼接得到序列块；
DNA分子提取单元，用于在预先合成的DNA分子库中查找与所述序列块匹配的DNA序列，取预定数量的所提提取的DNA序列对应的、合成的DNA分子进行扩增得到DNA产物；
DNA存储单元，用于存储所扩增获得的DNA产物及对应的密钥信息，所述密钥信息包括一个以上所述核心序列，或者，所述密钥信息包括一个以上的所述核心序列中的部分碱基，以及所包括的所述核心序列在所述碱基序列中的位置信息。
第三方面，本申请实施例提供了一种DNA介质存储数据的解码的方法，所述方法包括：
获取待解码的DNA序列及其密钥信息；
根据预设的接头序列，提取所述DNA序列中包括的核心序列；
根据所述密钥信息，结合所述核心序列之间的重叠区域，将所述核心序列组合生成碱基序列；
根据预设的映射关系，将所述碱基序列转换为二进制序列；
根据所转换的二进制数据生成数据文件。
结合第三方面，在第三方面的第一种可能实现方式中，根据预设的接头序列，提取所述DNA序列中包括的核心序列，包括：
根据预设的接头序列，对所述DNA序列进行切割得到核心序列；
根据所述接头序列的位置，确定所得到的核心序列的方向。
结合第三方面，在第三方面的第二种可能实现方式中，根据所述密钥信息，结合所述核心序列之间的重叠区域，将所述核心序列组合生成碱基序列，包括：
根据所述密钥信息确定一个以上的核心序列在碱基序列中的位置；
根据所述核心序列之间的重叠区域，确定所述核心序列之间的相对位置关系，根据确定了相对位置关系的核心序列生成所述碱基序列。
结合第三方面、第三方面的第一种可能实现方式或第三方面的第二种可能实现方式，在第三方面的第三种可能实现方式中，根据预设的接头序列，提取所述DNA序列中包括的核心序列，包括：
当提取的核心序列的末尾包括预设的重复碱基时，去除该核心序列的末尾所包括的所述重复碱基。
本申请实施例的第四方面提供了一种DNA介质存储数据的解码的装置，所述装置包括：
DNA序列获取单元，用于获取待解码的DNA序列及其密钥信息；
核心序列提取单元，用于根据预设的接头序列，提取所述DNA序列中包括的核心序列；
序列组合单元，用于根据所述密钥信息，结合所述核心序列之间的重叠区域，将所述核心序列组合生成碱基序列；
第二序列转换单元，用于根据预设的映射关系，将所述碱基序列转换为二进制序列；
数据文件生成单元，用于根据所转换的二进制数据生成数据文件。
本申请实施例的第五方面提供了一种DNA分子库的生成方法，所述方法包括：
根据碱基组合生成核心序列，所述核心序列包括用于存储数据的碱基片段；
在所述核心序列上拼接预设的接头序列，得到所述核心序列对应的DNA序列，所述接头序列用于标识所述核心序列的方向；
根据所述DNA序列合成对应的DNA分子，根据所合成的DNA分子得到DNA分子库。
本申请实施例的第六方面提供了一种存储设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述利用DNA进行数据存储的方法的步骤，或者执行所述计算机程序时实现如第二方面任一项所述DNA介质存储数据的解码的方法，或者执行所述计算机程序时实现如第五方面任一项所述的DNA分子库的生成方法。
 有益效果
本申请实施例与现有技术相比存在的有益效果是：本申请通过将待存储数据对应的二进制序列转换为碱基序列，根据预设的第一长度对碱基序列进行分割，且分割得到的相邻的核心序列之间包括第二长度的重叠区域，结合密钥信息中包括的核心序列在碱基序列中的位置信息，从而便于解码时根据该重叠区域对核心序列进行组合；将核心序列与接头序列进行拼接得到序列块，从而便于解码时确定核心序列的方向；在单次的数据存储时，可以从DNA分子库中获取预定数量的少量合成的DNA分子，大大的减少一次数据存储所使用合成DNA分子数，可以保证一次体外合成的DNA分子的多次调用，有效的降低了数据存储的DNA合成成本；同时，由于预先合成的DNA分子库可以反复调用，避免了针对于不同的二进制数据，需要合成对应数据至少二分之一碱基数量的情况，节省了总体的碱基合成数量，进一步降低了存储数据的DNA合成成本，有利于提升DNA介质的存储设备的广泛应用。
 附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或示范性技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本申请实施例提供的利用DNA进行数据存储方法的实现流程示意图；
图2是本申请实施例提供的一种通过碱基序列生成核心序列的示意图；
图3是本申请实施例提供的又一碱基序列生成核心序列示意图；
图4是本申请实施例提供的一种通过分割得到的核心序列的示意图；
图5是本申请实施例提供的一种拼接后的序列块的示意图；
图6是本申请实施例提供的一种组合规则示意图；
图7是本申请实施例提供的一种DNA介质存储数据的解码的方法的实现流程示意图；
图8是本申请实施例提供的一种利用DNA进行数据存储的装置的示意图；
图9是本申请实施例提供的一种DNA介质存储数据的解码的装置的示意图；
图10是本申请实施例提供的存储设备的示意图。
 本发明的实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
DNA的体外合成技术，通常是根据任意设定的序列，在不依赖模板的情况下，以修饰的A/T/C/G碱基化学分子单体原料为基础，在体外根据化学合成或者酶合成的方法，以每轮化学或酶反应逐个或逐几个碱基添加到上一个/几个碱基上的方式，通过多轮化学或酶反应，合成与设定序列一致的A/T/C/G组成的大分子DNA聚合物。其中由于每轮化学或酶反应，都需要花费支撑该轮化学或酶反应的试剂，耗材，人力及机械损耗成本，待合成DNA序列的碱基数量决定了大部分的大分子DNA聚合物的合成成本。市售的常规的DNA合成服务，通常也是以碱基单价乘以碱基数量，来给客户报价。比如50个碱基的常规单链DNA合成，商品公司可以报价0.3-0.6 元每个碱基，这样50个碱基的售价在15元至30元之间。在目前的DNA数据存储方式中，需要将至少二分之一的二进制数据量的碱基量进行合成，合成价格较高。而且，在单次的DNA合成操作中，根据目前的技术特点，由于每轮化学或酶反应需要固定的反应体积，一次合成至少预定数量的DNA分子。比如上述举例中，50个碱基的常规单链DNA 合成，市售公司的合成量通常至少为0.5 nmol (3×10 14个分子）。然而，在DNA数据存储应用中，可以理解的是，仅需要预定数量的DNA分子的极少一部分（比如1个分子，10 2个分子，10 3个分子，10 5个分子等等）就能代表要存储的数据信息，这样用一次合成的DNA直接存储数据信息的方式，造成合成DNA分子原料的极大浪费。
本申请提出了一种通过预先合成的DNA序列进行数据存储的方法。通过将存储数据的碱基序列划分为具有重叠区域的核心序列的片段，利用提前合成的可以多次调取的通用的DNA分子库对数据进行存储，通用性好，并且可以根据需要从预先合成的DNA分子库中提取与待存储数据对应的DNA序列，大大的减少了用于存储不同数据信息的DNA产物所需要合成的总碱基数量以及一次使用合成DNA分子数，降低数据存储成本，从而有利于DNA数据存储的广泛应用。下面结合附图具体进行说明。
图1为本申请实施例提供的一种利用DNA进行数据存储的实现流程示意图，详述如下：
在S101中，提取待存储数据对应的二进制序列。
其中，所述待存储数据可以包括图片、文本、程序、音频、视频等可以在计算机存在的数据信息中的一项或者多项。
在获取待存储数据对应的二进制序列时，可以获取该待存储数据对应的编码信息，将对应的编码信息转换为二进制的编码信息，从而得到对应的二进制序列。比如，可以将文本信息中的文字转换为对应的ASCII（英文全称为American Standard Code for Information Interchange，中文全称为美国标准信息交换码）编码，UNICODE（英文全称为Universal Character Set，中文全称为通用字符集）编码，然后将编码信息转换为二进制序列。
例如，提取文本“将美丽的冬季雕塑成一件艺术品”对应的二进制序列为“111001011011000010000110111001111011111010001110111001001011100010111101111001111001101010000100111001011000011010101100111001011010110110100011111010011001101110010101111001011010000110010001111001101000100010010000111001001011100010000000111001001011101110110110111010001000100110111010111001101001110010101111111001011001001110000001”。
在S102中，根据预设的映射关系，将所述二进制序列转换为碱基序列。
由于DNA中的碱基包括A、T、C、G四种类型的碱基，因此，该预设的映射关系，可以为二进制与四进制的映射关系。在一种可能的实现方式中，该映射关系可以如表1所示：
二进制数值 00 01 11 10
碱基 A T C G
表1
上表的映射关系为任意定义的一种，可以根据实际的使用习惯或要求，对二进制数值与碱基的映射关系进行定义。
根据上表中的映射关系，可以将S101中的二进制序列转换为碱基序列为：“CGTTGCAAGATGCGTCGCCGGACGCGTAGCGAGCCTCGTCGTGGGATACGTTGATGGGCACGTTGGCTGGACCGGTGTGCGTTTCGTTGGATGTATCGTGGAGAGTAACGTAGCGAGAAACGTAGCGCGCTGCGGAGAGTGCGGCGTGGTCAGGCCCGTTGTACGAAT”。
在可能的实现方式中，如果待存储数据较大时，可以将待存储数据的文件拆分为多个子文件，并可以通过索引序列来记录各个子文件所对应的子碱基序列的先后关系。在将待存储数据或文件拆分后，可以通过索引序列来记录所拆分得到的子文件。该索引序列也可以添加在用于扩增本方法所述核心序列块左接头或者右接头对应的引物上，通过PCR等聚合酶扩增的方式，进一步加在该子文件通过本方法存储的每一条核心序列的扩增用的DNA分子上。通过对同一子文件对应的核心序列块加上统一的索引标识，有利于将这些序列聚类到一起进行拼接，从而有利于子文件数据的解读。通过拆分和扩增的方式，便于对大的数据文件进行分段进行转换，从而有利于提升数据存储的准确性。
其中，索引序列是指通过碱基构成的序列，该索引序列可用来表示子文件的位置信息。比如，索引序列可以定义为AAAA=1，AAAG=2，AAAT=3，AAAC=4，AATA=5，AACA=6等。
在S103中，将所述碱基序列分割为多个预设第一长度的核心序列，且两个关联的核心序列之间包括预设第二长度的重叠区域。
为了便于直接取用预先合成的DNA序列，需要将转换的碱基序列进行分割，得到预定的第一长度的核心序列。其中，第一长度可以4个碱基长度、5个碱基长度、6个碱基长度、7个碱基长度或8个碱基长度等。
为了能够将分割后的核心序列正确的组合，对于分割得到的两个相邻的核心序列，包括第二预设长度的重叠区域的碱基。即两个核心序列在该重叠区域中的碱基相同。根据该重叠区域的碱基，可以在组合时查找存在关联的两个核心序列。
其中，预先设定的关联关系所确定的存在关联的两个核心序列，可以为核心序列在碱基序列中直接相邻的两个核心序列，也可以为奇数位相邻的核心序列，或者偶数位相邻的核心序列。
存在关联的两个核心序列为直接相邻的两个核心序列时，如图2所示的通过碱基序列生成核心序列的示意图中，分别示出了重叠区域包括3个碱基交错重叠（a）、4个碱基交错重叠（b）、5个碱基交错重叠（c）、6个碱基交错重叠（d）和7个碱基交错重叠（e）的情形。其中，重叠区域的第二长度为核心序列的第一长度的一半。不局限于此，第一长度和第二长度还可以为其它比例关系。当然，重叠区域的碱基数量不局限于图2所示，还可以包括其它的重叠区域的碱基数量。
当碱基序列分割得到的末尾的核心序列的长度小于预设的第一长度时，可以通过预设的碱基类型或预设的重复碱基进行补齐。比如，图2中的5碱基交错重叠（c）的分割过程中，在末尾的核心序列补齐碱基A。在7碱基交错重叠（e）的分割过程中，在末尾的核心序列补充碱基AAAA，从而使得补齐后的核心序列具有与其它核心序列的相同长度，便于对核心序列进行拼接和存储操作。
存在关联的核心序列可以为奇数位相邻，或者偶数位相邻的核心序列。如图3示出的又一碱基序列生成核心序列的示意图中，分别示出了3个碱基奇偶交错重叠（f）、4个碱基奇偶交错重叠（g）以及3个连续的4碱基单元交错重叠（h）的示意图。其中，3个连续的4碱基单元交错重叠的示意图中，重叠区域为相邻的两个核心序列中的连续的8个碱基，且核心序列的长度为12个碱基。
在可能的实现方式中，还可以设置第M+i位和第M+N+i位的核心序列包括预设第二长度的重叠区域，其中，M和N为预定的整数，i为大于或等于0的整数变量。通过更改参数M、N，可以实现不同形式的加密编码。
将S102中的碱基序列按照图2中（b）方式进行核心序列分割时，可以得到图4所示的核心序列的表格示意图。其中，任意两个相邻的核心序列包括4个重叠区域的碱基。在对DNA序列进行解码时，可以根据DNA序列中的核心序列中的重叠区域的碱基，对核心序列进行两两拼接的组合操作。
在S104中，将所述核心序列与用于标示序列方向的接头序列进行拼接得到序列块。
本申请实施例中的接头序列，可以包括前接头序列和后接头序列，也可以为前接头序列或后接头序列中的任意一种。通过拼接接头序列得到的序列块，可以用于标示核心序列的前后方向。比如，通过前接头序列表示核心序列的前方或左侧方向，通过后接头序列表示核心序列的后方或右侧方向。从而使得DNA序列在进行解码时，可以根据接头序列确定核心序列的方向，便于对核心序列进行正确的组合。
图4为通过分割得到的核心序列示意图，可以根据预先设定的前接头序列“CGCCAGGGTTTTCCCAGTCACGAC”，以及预先设定的后接头序列“TCCTGTGTGAAATTGTTATCCGCT”，对26个核心序列分别进行拼接，得到图5所示的拼接后的序列块的示意图。
在S105中，在预先合成的DNA分子库中查找与所述序列块匹配的DNA序列，取预定数量的所提取的DNA序列对应的、合成的DNA分子进行扩增得到DNA产物。
在本申请中，预先设定有合成的DNA分子库，在所述DNA分子库中存储有合成的DNA分子与DNA序列的对应关系。根据S104中通过拼接得到的序列块，可以在预先设定的DNA分子库中查找所述序列块对应的DNA序列，调取在DNA分子库中所查找获得的、合成的DNA分子中的少量分子（比如，1个分子，10 2个分子，10 3个分子，10 5个分子等），并对其进行扩增，可以保证一次体外合成DNA分子库中的DNA分子的多次调用，从而能够大大的减少一次数据存储所使用DNA分子数，从而有效的降低用于数据存储的DNA合成成本。
其中，预先合成的DNA分子库中，可以包括不同的碱基长度的核心序列所构成的DNA分子库。比如，核心序列的长度可以包括2个碱基长度所构成的任意序列、3个碱基长度所构成的任意序列、4个碱基长度所构成的任意序列、5个碱基长度所构成的任意序列、6个碱基长度所构成的任意序列、7个碱基长度所构成的任意序列、8个碱基长度所构成的任意序列等等。其中，2个碱基长度所构成的任意序列的数量为4*4=16个，3个碱基长度所构成的任意序列的数量为4*4*4=64个，其它依此类推计算。
根据预先设定的接头序列，将所设定的核心序列与所述接头序列进行拼接。比如，将左接头序列和右接头序列分别拼接在核心序列的左右侧。通过大量合成带有接头序列的DNA分子，得到DNA分子库。当需要使用DNA分子库时，只需要根据预先合成的DNA分子库中取一定量的、与序列块对应的DNA分子，根据所选择的DNA分子库中的DNA分子进行数据存储，并且所取的DNA分子库中的剩余的DNA分子能够继续使用，有利于进一步降低DNA介质的数据存储成本。
其中，对所述DNA分子进行扩增时，所采用的引物扩增方式可以包括等温扩增、PCR（中方全称为聚合酶链式反应）扩增等扩增方式。
在S106中，存储所扩增获得的DNA产物序列及对应的密钥信息，所述密钥信息包括一个以上所述核心序列，或者，所述密钥信息包括一个以上的所述核心序列中的部分碱基，以及所包括的所述核心序列在所述碱基序列中的位置信息。
其中，该密钥信息中包括一个以上的核心序列，或者一个以上的所述核心序列中的部分碱基，以及该核心序列在碱基序列中对应的位置信息，从而可以快速的确定该核心序列的准确位置。
在可能的实现方式中，密钥信息包括起始位置的核心序列以及末尾位置的核心序列。从而可以根据起始位置的核心序列以及末尾位置的核心序列，根据重叠区域的碱基对中间位置的核心序列进行拼接。在可能的实现方式中，还可以包括若干中间位置的核心序列。当重叠区域的碱基数量越少时，可以增加核心序列的位置信息的数量。
将密钥信息存储时，可以将其中的位置信息在碱基序列中的序号转换为碱基单元，将位置信息所转换的碱基单元，以及核心序列按照预定的组合方式，以DNA形式进行存储。比如，可以按照图6所示的组合规则进行组合，其中，位置序号1对应碱基单元AAAA，位置序号18对应碱基单元ACAA，位置序列100对应碱基单元CTGA。位置序号与碱基单元的对应关系可以根据预先设定的映射关系来确定。
将密钥信息存储时，所述密钥信息中的位置信息及碱基单元序列也可通过计算机可读存储介质存储。或者，所述的密钥信息通过DNA形式和计算机可读存储介质形式进行混合存储。
当密钥信息与DNA产物分开存放时，有利于进一步提升数据存储的安全性和保密性。
在存储所扩增得到的DNA产物时，可以通过冻干的方式存储，或者也可以通过液体的形态进行存放。存放的温度可以为-20度或-80度等。或者，扩增得到的DNA产物可以存放在离心管、冻存管中，或者也可以通过蜡滴的方式保存扩增得到的DNA产物。
其中，在重叠区域为4个碱基，核心序列为8个碱基时，可以经过计算模拟确定密钥信息。比如密钥信息所记录的核心序列的位置信息包括起始位置的核心序列、末尾位置的核心序列和中心位置的核心序列。比如，S102所确定的碱基序列为：
“CGTTGCAAGATGCGTCGCCGGACGCGTAGCGAGCCTCGTCGTGGGATACGTTGATGGGCACGTTGGCTGGACCGGTGTGCGTTTCGTTGGATGTATCGTGGAGAGTAACGTAGCGAGAAACGTAGCGCGCTGCGGAGAGTGCGGCGTGGTCAGGCCCGTTGTACGAAT”。
与该碱基序列对应的密钥信息可以包括该碱基序列的第一位开始的4碱基CGTT，从第83位开始的4碱基TTCG，以及从165位开始的4碱基GAAT，记录为“1=CGTT；83=TTCG；168=GAAT”
在可能的实现方式中，该密钥信息还可以包括接头序列和/或拆分所述碱基序列得到的子碱基序列所对应的索引序列中的一项或者两项。
图7为本申请实施例提供的一种DNA介质存储数据的解码的方法的实现流程示意图，该方法包括：
在S701中，获取待解码的DNA序列及其密钥信息。
测序读取的方式包括任意可以读取DNA产物的方式，比如二代测序，三代测序等等，获取DNA产物所对应的待解码的DNA序列。
其中，待解码的DNA序列及其密钥信息，即为图1所示的数据存储方法所得到的扩增后的DNA序列及密钥信息。
其中，密钥信息可以包括起始位置的核心序列和/或末尾位置的核心序列。通过确定起始位置的核心序列和/或末尾位置的核心序列，可以根据所确定的核心序列进行快速的核心序列的组合。
在可能的实现方式中，密钥信息还可以包括接头序列、拆分所述碱基序列得到的子碱基序列所对应的索引序列中的一项或者两项。通过接头序列可以对DNA序列中的接头信息进行分割，从而得到DNA序列中所包括的核心序列，并且通过接头信息可以区分核心序列的方向，便于准确的进行核心序列的组合操作。
通过索引序列可以便于确定所组合的多个碱基子序列的顺序，从而根据所确定的顺序，得到准确的碱基序列。
在S702中，根据预设的接头序列，提取所述DNA序列中包括的核心序列。
其中，预设的接头序列可以预先设定，可在解码时直接调取使用。或者，对于不同的数据存储方式，可以选用不同的接头序列，并通过DNA方式存储在密钥信息中。在解码时可通过解析密钥信息，提取所设定的接头信息，从而提高DNA数据存储的安全性。
该接头序列可以包括左接头序列和/或右接头序列，通过一个或者两个接头序列，可以用于标示核心序列的方向，便于解码得到正确方向的核心序列。
比如，对于图5所示的DNA序列对应的序列块，可以根据预先设定的前接头序列“CGCCAGGGTTTTCCCAGTCACGAC”，以及预先设定的后接头序列“TCCTGTGTGAAATTGTTATCCGCT”，对26个序列块进行切割，得到图4所示的核心序列。
在S703中，根据所述密钥信息，结合所述核心序列之间的重叠区域，将所述核心序列组合生成碱基序列。
本申请实施例中使用该密钥信息的解密过程，与使用密钥信息进行编码存储过程对应。
比如，与图1所示的数据存储方式对应的，根据密钥信息中包括的一个以上的核心序列的位置信息，准确确定需要组合的核心序列的初始位置，根据该初始位置对其它核心序列进行组合，从而确定其它核心序列在碱基序列中的位置。
根据核心序列之间的重叠区域，包括相邻的序列之间的重叠区域，或者奇数位相邻的重叠区域和偶数位相邻的重叠区域，对核心序列进行组合，得到拼接后的碱基序列。
比如，对于图4所示的核心序列示意图，通过核心序列之间的重叠区域，结合预先设定的密钥信息，可以得到待解密的DNA序列所对应的碱基序列为“CGTTGCAAGATGCGTCGCCGGACGCGTAGCGAGCCTCGTCGTGGGATACGTTGATGGGCACGTTGGCTGGACCGGTGTGCGTTTCGTTGGATGTATCGTGGAGAGTAACGTAGCGAGAAACGTAGCGCGCTGCGGAGAGTGCGGCGTGGTCAGGCCCGTTGTACGAAT”。
其中，密钥信息中的核心序列以及所包括的核心序列的位置信息中，可以包括第一个位置的核心序列和末尾位置的核心序列。在可能的实现场景中，如果DNA产物对应的DNA序列中的DNA分子类型较少，可以直接根据重叠区域进行DNA序列的拼接得到碱基序列。
在S704中，根据预设的映射关系，将所述碱基序列转换为二进制序列。
可以预先设定的与S102的数据存储时匹配的映射关系，将碱基序列转换为二进制序列，比如，可以将S703所示的碱基序列转换为二进制序列为：“111001011011000010000110111001111011111010001110111001001011100010111101111001111001101010000100111001011000011010101100111001011010110110100011111010011001101110010101111001011010000110010001111001101000100010010000111001001011100010000000111001001011101110110110111010001000100110111010111001101001110010101111111001011001001110000001”。
在S705中，根据所转换的二进制数据生成数据文件。
根据所生成的二进制数据，结合预先所设定的编码规则，可以将二进制数据文件转换为对应的数据文件，包括如图片、文本、程序、音频、视频等文件。
应理解，上述实施例中各步骤的实现，可以通过人为计算实现，也可以通过计算机程序实现。并且上述各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
综上，本申请实施例中利用DNA进行数据存储的方法，具有以下作用：
1、在单次数据存储时，可以从预先在体外合成的DNA分子库中获取预定数量的少量的合成的DNA分子，从而能够大大的减少一次数据存储所使用合成DNA分子数，可以保证一次体外合成的DNA分子的多次调用，有效的降低了用于数据存储的DNA合成成本。
2、预先合成的DNA分子库可以反复调用，避免了针对不同的二进制数据，需要合成对应数据至少二分之一碱基数量的情况，节省了总体的碱基合成数量，进一步降低了存储数据的合成成本。
3、由于本申请通过密钥信息对DNA产物中存储的数据进行解读，可以有效的提升数据存储的安全性。
图8为本申请实施例提供的一种利用DNA进行数据存储的装置，该装置包括：
二进制序列提取单元801，用于提取待存储数据对应的二进制序列；
第一序列转换单元802，用于根据预设的映射关系，将所述二进制序列转换为碱基序列；
碱基分割单元803，用于将所述碱基序列分割为多个预设第一长度的核心序列，且两个关联的核心序列之间包括预设第二长度的重叠区域；
序列拼接单元804，用于将所述核心序列与用于标示序列方向的接头序列进行拼接得到序列块；
DNA分子提取单元805，用于在预先合成的DNA分子库中查找与所述序列块匹配的DNA序列，取预定数量的所提提取的DNA序列对应的、合成的DNA分子进行扩增得到DNA产物；
DNA存储单元806，用于存储所扩增获得的DNA产物序列及对应的密钥信息，所述密钥信息包括一个以上所述核心序列，或者，所述密钥信息包括一个以上的所述核心序列中的部分碱基，以及所包括的所述核心序列在所述碱基序列中的位置信息。
该利用DNA进行数据存储的装置，与图1所示的利用DNA进行数据存储的方法对应。
图9为本申请实施例提供的一种DNA介质存储数据的解码的装置的示意图，该装置包括：
DNA序列获取单元901，用于获取待解码的DNA序列及其密钥信息；
核心序列提取单元902，用于根据预设的接头序列，提取所述DNA序列中包括的核心序列；
序列组合单元903，用于根据所述密钥信息，结合所述核心序列之间的重叠区域，将所述核心序列组合生成碱基序列；
第二序列转换单元904，用于根据预设的映射关系，将所述碱基序列转换为二进制序列；
数据文件生成单元905，用于根据所转换的二进制数据生成数据文件。
图9所示的DNA介质存储数据的解码的装置，与图7所示的DNA介质存储数据的解码的方法对应。
图10是本申请一实施例提供的存储设备的示意图。如图10所示，该实施例的存储设备10包括：处理器100、存储器101以及存储在所述存储器101中并可在所述处理器100上运行的计算机程序102，例如利用DNA进行数据存储或解码程序。所述处理器100执行所述计算机程序102时实现上述各个利用DNA进行数据存储或解码方法实施例中的步骤。或者，所述处理器100执行所述计算机程序102时实现上述各装置实施例中各模块/单元的功能。
示例性的，所述计算机程序102可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器101中，并由所述处理器100执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序102在所述存储设备10中的执行过程。
所述存储设备可包括，但不仅限于，处理器100、存储器101。本领域技术人员可以理解，图10仅仅是存储设备10的示例，并不构成对存储设备10的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述存储设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器100可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路 (Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器101可以是所述存储设备10的内部存储单元，例如存储设备10的硬盘或内存。所述存储器101也可以是所述存储设备10的外部存储设备，例如所述存储设备10上配备的插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）等。进一步地，所述存储器101还可以既包括所述存储设备10的内部存储单元也包括外部存储设备。所述存储器101用于存储所述计算机程序以及所述存储设备所需的其他程序和数据。所述存储器101还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (16)

  1. 一种利用DNA进行数据存储的方法，其特征在于，所述方法包括：
    提取待存储数据对应的二进制序列；
    根据预设的映射关系，将所述二进制序列转换为碱基序列；
    将所述碱基序列分割为多个预设第一长度的核心序列，且两个关联的核心序列之间包括预设第二长度的重叠区域；
    将所述核心序列与用于标示序列方向的接头序列进行拼接得到序列块；
    在预先合成的DNA分子库中查找与所述序列块匹配的DNA序列，取预定数量的所提取的DNA序列对应的、合成的DNA分子进行扩增得到DNA产物；
    存储所扩增获得的DNA产物及对应的密钥信息，所述密钥信息包括一个以上所述核心序列，或者，所述密钥信息包括一个以上的所述核心序列中的部分碱基，以及所包括的所述核心序列在所述碱基序列中的位置信息。
  2. 根据权利要求1所述的方法，其特征在于，所述接头序列包括左接头序列和右接头序列中的一项或者两项，当所述接头序列包括左接头序列和右接头序列时，所述左接头序列与所述右接头序列不同。
  3. 根据权利要求1所述的方法，其特征在于，将所述二进制序列转换为碱基序列，包括：
    对所述待存储数据对应的文件进行拆分，根据文件拆分的结果对所述碱基序列进行拆分，并为拆分的碱基序列分配对应的索引序列。
  4. 根据权利要求1所述的方法，其特征在于，两个关联的核心序列之间包括预设第二长度的重叠区域，包括：
    相邻两个核心序列之间包括预设第二长度的重叠区域；
    或者，相邻的奇数位的核心序列之间包括预设第二长度的重叠区域，以及相邻的偶数位的核心序列之间包括预设第二长度的重叠区域；
    或者，第M+i位和第M+N+i位的核心序列之间包括预设第二长度的重叠区域，其中，M和N为预定的整数，i为大于或等于0的整数变量。
  5. 根据权利要求1所述的方法，其特征在于，将所述碱基序列分割为多个预设第一长度的核心序列，包括：
    当划分得到的最后一个核心序列的长度小于第一长度时，通过预设的重复碱基补齐所述最后一个核心序列。
  6. 根据权利要求1所述的方法，其特征在于，存储所扩增获得的DNA产物及对应的密钥信息，包括：
    根据预设的碱基单元与位置信息的映射关系，将所述密钥信息中的位置信息转换为碱基单元，根据预设的组合方式，将密钥信息中的核心序列，以及所述碱基单元，以DNA形式进行存储；
    或者，所述密钥信息中的核心序列，以及所包括的核心序列的位置信息通过计算机可读存储介质存储；
    或者，所述的密钥信息通过DNA形式和计算机可读存储介质形式进行混合存储。
  7. 根据权利要求1-6任一项所述的方法，其特征在于，所述密钥信息包括起始位置的核心序列和/或末尾位置的核心序列。
  8. 根据权利要求7所述的方法，其特征在于，所述密钥信息还包括所述接头序列、拆分所述碱基序列得到的子碱基序列所对应的索引序列中的一项或者两项。
  9. 一种利用DNA进行数据存储的装置，其特征在于，所述装置包括：
    二进制序列提取单元，用于提取待存储数据对应的二进制序列；
    第一序列转换单元，用于根据预设的映射关系，将所述二进制序列转换为碱基序列；
    碱基分割单元，用于将所述碱基序列分割为多个预设第一长度的核心序列，且两个关联的核心序列之间包括预设第二长度的重叠区域；
    序列拼接单元，用于将所述核心序列与用于标示序列方向的接头序列进行拼接得到序列块；
    DNA分子提取单元，用于在预先合成的DNA分子库中查找与所述序列块匹配的DNA序列，取预定数量的所提取的DNA序列对应的、合成的DNA分子进行扩增得到DNA产物；
    DNA存储单元，用于存储所扩增获得的DNA产物及对应的密钥信息，所述密钥信息包括一个以上所述核心序列，或者，所述密钥信息包括一个以上所述核心序列中的部分碱基，以及所包括的所述核心序列在所述碱基序列中的位置信息。
  10. 一种DNA介质存储数据的解码方法，其特征在于，所述方法包括：
    获取待解码的DNA序列及其密钥信息；
    根据预设的接头序列，提取所述DNA序列中包括的核心序列；
    根据所述密钥信息，结合所述核心序列之间的重叠区域，将所述核心序列组合生成碱基序列；
    根据预设的映射关系，将所述碱基序列转换为二进制序列；
    根据所转换的二进制数据生成数据文件。
  11. 根据权利要求10所述的方法，其特征在于，根据预设的接头序列，提取所述DNA序列中包括的核心序列，包括：
    根据预设的接头序列，对所述DNA序列进行切割得到核心序列；
    根据所述接头序列的位置，确定所得到的核心序列的方向。
  12. 根据权利要求10所述的方法，其特征在于，根据所述密钥信息，结合所述核心序列之间的重叠区域，将所述核心序列组合生成碱基序列，包括：
    根据所述密钥信息确定一个以上的核心序列在碱基序列中的位置；
    根据所述核心序列之间的重叠区域，确定所述核心序列之间的相对位置关系，根据确定了相对位置关系的核心序列生成所述碱基序列。
  13. 根据权利要求10-12任一项所述的方法，其特征在于，根据预设的接头序列，提取所述DNA序列中包括的核心序列，包括：
    当提取的核心序列的末尾包括预设的重复碱基时，去除该核心序列的末尾所包括的所述重复碱基。
  14. 一种DNA介质存储数据的解码的装置，其特征在于，所述装置包括：
    DNA序列获取单元，用于获取待解码的DNA序列及其密钥信息；
    核心序列提取单元，用于根据预设的接头序列，提取所述DNA序列中包括的核心序列；
    序列组合单元，用于根据所述密钥信息，结合所述核心序列之间的重叠区域，将所述核心序列组合生成碱基序列；
    第二序列转换单元，用于根据预设的映射关系，将所述碱基序列转换为二进制序列；
    数据文件生成单元，用于根据所转换的二进制数据生成数据文件。
  15. 一种DNA分子库的生成方法，其特征在于，所述方法包括：
    根据碱基组合生成核心序列，所述核心序列包括用于存储数据的碱基片段；
    在所述核心序列上拼接预设的接头序列，得到所述核心序列对应的DNA序列，所述接头序列用于标识所述核心序列的方向；
    根据所述DNA序列合成对应的DNA分子，根据所合成的DNA分子得到DNA分子库。
  16. 一种存储设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述利用DNA进行数据存储的方法的步骤，或者执行所述计算机程序时实现如权利要求10-13任一项所述DNA介质存储数据的解码的方法，或者权利要求15所述的DNA分子库的生成方法。
PCT/CN2021/101247 2021-06-21 2021-06-21 利用dna进行数据存储的方法、装置及存储设备 Ceased WO2022266802A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/CN2021/101247 WO2022266802A1 (zh) 2021-06-21 2021-06-21 利用dna进行数据存储的方法、装置及存储设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2021/101247 WO2022266802A1 (zh) 2021-06-21 2021-06-21 利用dna进行数据存储的方法、装置及存储设备

Publications (1)

Publication Number Publication Date
WO2022266802A1 true WO2022266802A1 (zh) 2022-12-29

Family

ID=84543834

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2021/101247 Ceased WO2022266802A1 (zh) 2021-06-21 2021-06-21 利用dna进行数据存储的方法、装置及存储设备

Country Status (1)

Country Link
WO (1) WO2022266802A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116779033A (zh) * 2023-05-29 2023-09-19 上海哔哩哔哩科技有限公司 基于生物介质的数据存储方法、装置和设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105022935A (zh) * 2014-04-22 2015-11-04 中国科学院青岛生物能源与过程研究所 一种利用dna进行信息存储的编码方法和解码方法
WO2020094810A1 (en) * 2018-11-07 2020-05-14 Biosistemika D.O.O. Nucleic acid-based data storage
CN111858510A (zh) * 2020-07-16 2020-10-30 中国科学院北京基因组研究所(国家生物信息中心) Dna活字存储系统和方法
CN112382340A (zh) * 2020-11-25 2021-02-19 中国科学院深圳先进技术研究院 用于dna数据存储的二进制信息到碱基序列的编解码方法和编解码装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105022935A (zh) * 2014-04-22 2015-11-04 中国科学院青岛生物能源与过程研究所 一种利用dna进行信息存储的编码方法和解码方法
WO2020094810A1 (en) * 2018-11-07 2020-05-14 Biosistemika D.O.O. Nucleic acid-based data storage
CN111858510A (zh) * 2020-07-16 2020-10-30 中国科学院北京基因组研究所(国家生物信息中心) Dna活字存储系统和方法
CN112382340A (zh) * 2020-11-25 2021-02-19 中国科学院深圳先进技术研究院 用于dna数据存储的二进制信息到碱基序列的编解码方法和编解码装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116779033A (zh) * 2023-05-29 2023-09-19 上海哔哩哔哩科技有限公司 基于生物介质的数据存储方法、装置和设备

Similar Documents

Publication Publication Date Title
CN113744804B (zh) 利用dna进行数据存储的方法、装置及存储设备
US12205679B2 (en) Systems and methods for sequence encoding, storage, and compression
CN110603595B (zh) 用于从压缩的基因组序列读段重建基因组参考序列的方法和系统
Patro et al. Data-dependent bucketing improves reference-free compression of sequencing reads
ES2922420T3 (es) Estructuras de datos eficientes para la representación de información bioinformática
CN112527736A (zh) 基于dna的数据存储方法、数据恢复方法及终端设备
Deorowicz et al. AGC: compact representation of assembled genomes with fast queries and updates
CN110168652B (zh) 用于存储和访问生物信息学数据的方法和系统
WO2023109711A1 (zh) 数据存储方法、装置、终端设备及计算机可读存储介质
WO2023240950A1 (zh) 基于dna分子介质的数据信息存储方法
EP3583249B1 (en) Method and systems for the reconstruction of genomic reference sequences from compressed genomic sequence reads
Wu et al. HD-code: End-to-end high density code for DNA storage
WO2022266802A1 (zh) 利用dna进行数据存储的方法、装置及存储设备
AU2018221458A1 (en) Method and apparatus for the compact representation of bioinformatics data using multiple genomic descriptors
CN115691683B (zh) 一种基因型信息压缩方法、装置及计算机可读存储介质
CN113782102B (zh) Dna数据的存储方法、装置、设备及可读存储介质
CN110663022B (zh) 使用基因组描述符紧凑表示生物信息学数据的方法和设备
EP4451278A1 (en) Method and system for storing information using dna
CN116050348A (zh) 一种fastq文件的拆分方法、系统、电子设备及存储介质
Hu et al. Adaptive Arithmetic Coding-Based Encoding Method Toward High-Density DNA Storage
CN119580800B (zh) 基于编码优化的dna数据存储方法、读取方法及终端
WO2022120626A1 (zh) 基于dna的数据存储方法、数据恢复方法、装置及终端设备
Jakaria et al. eMED-DNA: An in silico operating system for clinical medical data storage within the human genome
WO2023015550A1 (zh) Dna数据的存储方法、装置、设备及可读存储介质
HK40082649B (zh) 用於生物信息学信息表示的高效数据结构

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21946304

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21946304

Country of ref document: EP

Kind code of ref document: A1

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 29/05/2024)

122 Ep: pct application non-entry in european phase

Ref document number: 21946304

Country of ref document: EP

Kind code of ref document: A1